从有机文本中甄别机器人文本：一种检测Twitter自动化的自然语言方法
计算与语言
2016-06-15 v6
摘要
Twitter作为流行的社交媒体平台，已演变为丰富的语言数据来源，充满观点、情感和讨论。由于Twitter日益流行，其潜在的社会影响力导致了多样化自动程序社区（通常称为bots）的兴起。这些非有机和半有机Twitter实体范围从良性（如天气更新bots、求职警报bots）到恶意（如垃圾消息、广告或极端观点）。现有检测算法通常利用元数据（推文间隔、粉丝数等）识别机器人账户。本文提出一种强大的分类方案，专门使用来自有机用户的自然语言文本，为识别发布自动消息的账户提供标准。由于分类器仅基于文本运行，它具有灵活性，可应用于Twitter圈之外的任何文本数据。
引用
@article{arxiv.1505.04342,
title = {Sifting Robotic from Organic Text: A Natural Language Approach for Detecting Automation on Twitter},
author = {Eric M. Clark and Jake Ryland Williams and Chris A. Jones and Richard A. Galbraith and Christopher M. Danforth and Peter Sheridan Dodds},
journal= {arXiv preprint arXiv:1505.04342},
year = {2016}
}